five

dim/habr_10k

收藏
Hugging Face2023-09-24 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/dim/habr_10k
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: id dtype: uint32 - name: language dtype: string - name: url dtype: string - name: title dtype: string - name: text_markdown dtype: string - name: text_html dtype: string - name: author dtype: string - name: original_author dtype: string - name: original_url dtype: string - name: lead_html dtype: string - name: lead_markdown dtype: string - name: type dtype: string - name: time_published dtype: uint64 - name: statistics struct: - name: commentsCount dtype: uint32 - name: favoritesCount dtype: uint32 - name: readingCount dtype: uint32 - name: score dtype: int32 - name: votesCount dtype: int32 - name: votesCountPlus dtype: int32 - name: votesCountMinus dtype: int32 - name: labels sequence: string - name: hubs sequence: string - name: flows sequence: string - name: tags sequence: string - name: reading_time dtype: uint32 - name: format dtype: string - name: complexity dtype: string - name: comments sequence: - name: id dtype: uint64 - name: parent_id dtype: uint64 - name: level dtype: uint32 - name: time_published dtype: uint64 - name: score dtype: int32 - name: votes dtype: uint32 - name: message_html dtype: string - name: message_markdown dtype: string - name: author dtype: string - name: children sequence: uint64 - name: readingCount dtype: int64 splits: - name: train num_bytes: 661170132.0315578 num_examples: 10000 download_size: 901387901 dataset_size: 661170132.0315578 --- # Dataset Card for "habr_10k" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构:
dim
原始信息汇总

数据集概述

数据集信息

  • 数据集名称: habr_10k
  • 下载大小: 901387901 字节
  • 数据集大小: 661170132.0315578 字节

数据集特征

  • id: 数据类型为 uint32
  • language: 数据类型为 string
  • url: 数据类型为 string
  • title: 数据类型为 string
  • text_markdown: 数据类型为 string
  • text_html: 数据类型为 string
  • author: 数据类型为 string
  • original_author: 数据类型为 string
  • original_url: 数据类型为 string
  • lead_html: 数据类型为 string
  • lead_markdown: 数据类型为 string
  • type: 数据类型为 string
  • time_published: 数据类型为 uint64
  • statistics: 结构体包含以下字段:
    • commentsCount: 数据类型为 uint32
    • favoritesCount: 数据类型为 uint32
    • readingCount: 数据类型为 uint32
    • score: 数据类型为 int32
    • votesCount: 数据类型为 int32
    • votesCountPlus: 数据类型为 int32
    • votesCountMinus: 数据类型为 int32
  • labels: 序列类型,数据类型为 string
  • hubs: 序列类型,数据类型为 string
  • flows: 序列类型,数据类型为 string
  • tags: 序列类型,数据类型为 string
  • reading_time: 数据类型为 uint32
  • format: 数据类型为 string
  • complexity: 数据类型为 string
  • comments: 序列类型,包含以下字段:
    • id: 数据类型为 uint64
    • parent_id: 数据类型为 uint64
    • level: 数据类型为 uint32
    • time_published: 数据类型为 uint64
    • score: 数据类型为 int32
    • votes: 数据类型为 uint32
    • message_html: 数据类型为 string
    • message_markdown: 数据类型为 string
    • author: 数据类型为 string
    • children: 序列类型,数据类型为 uint64
  • readingCount: 数据类型为 int64

数据集分割

  • train: 包含 10000 个样本,大小为 661170132.0315578 字节
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作